基于GS-SVM的数控机床热误差预测研究

发布时间：2021-11-17 19:49

　　为了提高立式加工中心热误差的预测精度,考虑影响立式机床热误差的主要因素,提出了支持向量机预测热误差预测模型,并用网格搜索算法对支持向量机的参数惩罚因子和核参数进行搜索。通过实验数据分析得出结论,基于GS-SVM模型对数控机床主轴热变形能够进行准确预测,并与BP算法模型进行对比。结果表明GS-SVM主轴热变形预测模型效果优于BP算法预测算法,具有较高的预测精度,为数控机床热误差研究提供参考。 

【文章来源】：机械工程师. 2019,(11)

【文章页数】：4 页

【文章目录】：
0 引言
1 数控机床热误差预测方案
    1.1 支持向量机回归算法
    1.2 网格搜索算法（Grid Search)
2 网格搜索算法优化支持向量机数控机床热误差预测模型
    2.1 网格搜索算法优化支持向量机步骤概述
    2.2 模型参数的确定
3 数控机床热误差模型训练及结果分析
    3.1 数控机床热误差数据采集平台
    3.2 数控机床热误差模型预测与对比分析
4 结论


【参考文献】：
期刊论文
[1]基于信息粒化支持向量机的主轴热误差综合预测模型[J]. 王舒阳,姚斌,姚博世,冯伟,何昱超,曹新城.  工具技术. 2017(05)
[2]基于支持向量回归机的精密数控平台热误差建模与补偿研究[J]. 张恩忠,齐月玲,冀世军,程亚平.  组合机床与自动化加工技术. 2017(04)
[3]数控机床热误差补偿实验平台的设计[J]. 郭丰,刘康,王江,张志鹏.  机械工程师. 2016(09)
[4]机床热误差建模技术研究及试验验证[J]. 李泳耀,丛明,廖忠情,孙宗余,李宏坤.  组合机床与自动化加工技术. 2016(01)
[5]圆柱度误差的网格搜索算法[J]. 丁凤琴,薛国芳,雷贤卿.  制造技术与机床. 2010(10)
[6]基于支持向量机的石脑油干点软测量建模研究[J]. 王庆超,李昂.  机械工程师. 2008(07)
[7]基于最小二乘支持向量机的数控机床热误差预测[J]. 林伟青,傅建中,许亚洲,陈子辰.  浙江大学学报(工学版). 2008(06)
[8]基于RBF神经网络的数控车床热误差建模[J]. 杜正春,杨建国,窦小龙,刘行.  上海交通大学学报. 2003(01)

硕士论文
[1]改进网格搜索的支持向量机参数优化研究及应用[D]. 顾凯成.兰州理工大学 2016



本文编号：3501552